Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Amazon Rekognitionを用いてフォロワーの男女比を出す
Search
Kazuki Ohashi
February 02, 2018
Technology
1
2.8k
Amazon Rekognitionを用いてフォロワーの男女比を出す
Amazon RekogntionとFace APIを比べながら、フォロワーの男女比を出してみました。
Kazuki Ohashi
February 02, 2018
Tweet
Share
More Decks by Kazuki Ohashi
See All by Kazuki Ohashi
larave_vue_graphql_supplementation
kzkohashi
1
850
Introduction to using GraphQL for a bit
kzkohashi
0
220
フォロワーがどの雑誌に興味があるのか可視化してみる / magazine-score
kzkohashi
0
670
Laravelを始めて DDDを実践するまで
kzkohashi
2
1.9k
Other Decks in Technology
See All in Technology
Why React!?? Next.jsそしてReactを改めてイチから選ぶ
ypresto
10
3.8k
OCI Network Firewall 概要
oracle4engineer
PRO
1
7.7k
BtoBプロダクト開発の深層
16bitidol
0
150
PLaMo2シリーズのvLLM実装 / PFN LLM セミナー
pfn
PRO
2
850
非エンジニアのあなたもできる&もうやってる!コンテキストエンジニアリング
findy_eventslides
3
860
5年間のFintech × Rails実践に学ぶ - 基本に忠実な運用で築く高信頼性システム / 5 Years Fintech Rails Retrospective
ohbarye
9
3.9k
Pythonによる契約プログラミング入門 / PyCon JP 2025
7pairs
5
2.3k
DataOpsNight#8_Terragruntを用いたスケーラブルなSnowflakeインフラ管理
roki18d
1
300
Goに育てられ開発者向けセキュリティ事業を立ち上げた僕が今向き合う、AI × セキュリティの最前線 / Go Conference 2025
flatt_security
0
300
AIが書いたコードをAIが検証する!自律的なモバイルアプリ開発の実現
henteko
1
240
RailsのPostgreSQL 18対応
yahonda
0
1.3k
GA technologiesでのAI-Readyの取り組み@DataOps Night
yuto16
0
240
Featured
See All Featured
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Building Better People: How to give real-time feedback that sticks.
wjessup
368
20k
Code Reviewing Like a Champion
maltzj
525
40k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.7k
GitHub's CSS Performance
jonrohan
1032
460k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.7k
Optimising Largest Contentful Paint
csswizardry
37
3.4k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
6.1k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
2.6k
We Have a Design System, Now What?
morganepeng
53
7.8k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
9
840
Testing 201, or: Great Expectations
jmmastey
45
7.7k
Transcript
"NB[PO3FLPHOJUJPOΛ༻͍ͯ ϑΥϩϫʔͷஉঁൺΛग़͢ WEBΤϯδχΞษڧձ #05 େڮ Ұथ @kzkohashi
େڮҰथ!L[LPIBTIJ ΠϯϑϧΤϯαʔϚʔέςΟϯά αʔόαΠυ ϑϩϯτத৺ झຯΧϨʔϥΠε
ϑΥϩϫʔͷใ ݟͨ͜ͱ͋Γ·͔͢ʁ
4/4ͷϑΥϩϫʔใ *OTUBHSBNΠϯαΠτ 5XJUUFS"OBMZUJDT
ଞਓͷΓ͍ͨʂ
Ͳ͏ΕͰ͖ΔͩΖ͏ʁ ϑΥϩϫʔ ϑΥϩϫʔ
إೝࣝΛͬͯஉঁྨਪʁ w จࣈϕʔεͰͷஉঁྨਪͦ͠͏ w 4/4ʹΑͬͯจࣈ͕গͳ͍߹͕͋Δ w ϓϩϑΟʔϧը૾͔Βஉ͔ঁ͔ͳΜͱ͘ͳ͘ Θ͔Γͦ͏
બఆख๏ͷௐࠪ ֎෦"1* ࣗલ 'BDF"1* $MPVE7JTPO 7JTVBM3FDPHOJUJPO 0QFO#3 ࣌ؒͱ͑Δ͓ۚΛߟ͑ͯ֎෦"1*͔Βબఆʂ "NB[PO3FLPHOJUJPO
͜Μͳײ͡ 'BDF"1* "NB[PO3FDPHOJUJPO
બఆൺΔ w ຕͷ4/4ͷϓϩϑը૾Λ༻ҙ w உੑຕ ঁੑຕ ͦͷଞຕ w 'BDF"1*ͱ"NB[PO3FLPHOJUJPOͰൺֱ ͋ΔํͷૉΒ͍͠ϒϩάͰࣝผ͕͔ͳΓΑ͔ͬͨʂ
ൺͨ݁Ռ ਖ਼ छྨ உੑ ঁੑ ͦͷଞ Amazon Rekognition 112(68%) 174(75%)
512(92%) Face API 75(46%) 121(52%) 522(94%) ୯७ͳਖ਼"NB[PO3FLPHOJUJPO͕ଟ͍
ൺͨ݁Ռʢޡʣ छྨ ঁੑ Amazon Rekognition 13 Face API 5 छྨ
உੑ Amazon Rekognition 5 Face API 3 ͕͑ঁੑͷը૾ ͕͑உੑͷը૾ ޡ'BDF"1*ͷ΄͏͕গͳͦ͏
'BDF"1* "NB[PO3FLPHOJUJPO ޱͳͲݟ͑ͳ͍ͱ'BDF"1*ݕग़ͮ͠Β͍ʁ ݕग़ࣦഊ ݕग़ޭ
'BDF"1* "NB[PO3FLPHOJUJPO 4/4ը૾ਅਖ਼໘Λ͋·Γ͍ͯͳ͍ͨΊݕग़ʹ͕ࠩग़ͨʁ ݕग़ࣦഊ ݕग़ޭ
'BDF"1* "NB[PO3FLPHOJUJPO ࣝผޭ͚ͨ͠Ͳ Ұਓ͚ͩݕग़ ೋਓݕग़͚ͨ͠Ͳ ࣝผࣦഊ ݕग़ͪ͠Ό͑'BDF"1*ڧ͍ɾɾɾ
'BDF"1* "NB[PO3FLPHOJUJPO ͜͏͍͏͜ͱ͋Δʢসʣ ࣝผޭ͚ͨ͠Ͳ ͲͪΒঁੑͱޡೝࣝ
બఆ·ͱΊ w 'BDF"1*ͷ΄͏͕ਫ਼ྑͦ͞͏ w ͨͩɺޱͱ͔ӅΕͨΓ͍ͯ͠Δ4/4ը૾ͷݕग़ѱ͗͢Δ w ࣝผͱݕग़ͷόϥϯεͰ"NB[PO3FLPHOJUJPOʹܾఆ ʢ୯७ͳਖ਼ͳΒΑ͔ͬͨʣ "NB[PO3FLPHOJUJPO
"NB[PO3FLPHOJUJPOͱ w "84͕ఏڙ͍ͯ͠Δɺը૾ࣝผαʔϏε w إೝ͚ࣝͩͰͳ͘ɺΦϒδΣΫτʢؠͱ͔ʣͷݕग़ ൺֱͱ͔Ͱ͖Δ w ͍͍ͳͱࢥͬͨͷɺஉঁࣝผʹ৴པ͕͍͍ͭͯΔ ͍·͞Β
(FOEFS\ 7BMVF.BMF $POpEFODF ^ ৴པ ࣗͨͪͷαʔϏεʹԠͯ͡ᮢܾΊΕΔ
ΞʔΩςΫνϟ ϓϩϑը૾ μϯϩʔυ ϑΥϩϫʔใ σϑΥϧτը૾͔ ൱͔ Ξοϓϩʔυ ˞ ˞͓͍ۚͬͨͳ͍ͷͰɺσϑΥϧτը૾ͷਓল͍ͯΔ
IUUQL[LPIBTIJIBUFOBCMPHDPNFOUSZ ʢQZUIPOΛͬͯ03#ͱ1FSDFQUVBM)BTIͰը૾ͷྨࣅΛൺͯΈΔ ৴པͷᮢ உঁใ "NB[PO3FLPHOJUJPO KTPO
݁Ռ ͑ ঁੑ உੑ ࠓճͷγεςϜ ˞ ঁੑ உੑ ˞αϯϓϦϯάϥϯμϜͰׂ̍ఔ
·ͱΊ w ը૾ࣝผ"1*৭ʑ͋Δ w ༻్ʹ߹Θͤͯࣝผͱݕग़ͷόϥϯεͰબ w ϓϩϑը૾͚ͩͰஉঁൺͱΕͨ
͓·͚ ͜ͷൺʹຊʹͳΔͷ͔ࢼͨ͠ छྨ உੑ ঁੑ ͦͷଞ ࣗͰ͑Δ 65%(97) 35%(52) 12
Amazon Rekognition 46%(36) 54%(42) 22 Face API 51%(21) 49%(20) 121 ͳΔ΄Ͳɾɾɾ